敷料手套概念验证研究
该数据集来自 clinicaltrials.gov,为一项针对隐性营养不良型大疱性表皮松解症(RDEB)患者的一次性敷料手套概念验证研究

基本信息
资源简介
敷料手套概念验证研究
该数据集来自 clinicaltrials.gov,为一项针对隐性营养不良型大疱性表皮松解症(RDEB)患者的一次性敷料手套概念验证研究。研究采用准实验 n-of-1 设计,以 12 项经验证的患者结局指标比较敷料手套与常规敷料和绷带在手功能、器械使用、症状及问题与限制方面的效果,并探讨其与 SkinniesTM Web Spacer 手套或其他手套的兼容性及佩戴意愿。数据可用于评估该敷料手套在 RDEB 患者中的初步疗效与可行性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:隐性营养不良型大疱性表皮松解症。主要研究问题/目标:基于 12 项经验证的患者结局指标(测量手功能、器械使用、症状以及问题和限制的观察结果),一次性敷料手套与 RDEB 参与者使用的常规敷料和绷带相比效果如何?次要研究问题:一次性敷料手套是否与 SkinniesTM Web Spacer 手套或 RDEB 参与者用于维持指蹼间隙的任何其他品牌手套兼容?您愿意继续佩戴敷料手套吗?关于敷料手套,您(参与者)还有什么其他想告诉我们的吗?研究设计与方法:研究设计:敷料手套的概念验证研究将采用准实验、n-of-1 研究设计进行,该设计取自 Medical R
【主题与分类】
主题标签:Epidermolysis Bullosa Dystrophica。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03241628
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT03241628
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病:营养不良型大疱性表皮松解症。主要研究问题/目标 基于12项经过验证的患者结局指标(用于测量手部功能、器械使用、症状以及问题和局限性的观察结果),与RDEB参与者所使用的普通敷料和绷带相比,一次性敷料手套的有效性如何?次要研究问题 一次性敷料手套是否与SkinniesTM Web Spacer手套或RDEB参与者使用的任何其他品牌手套兼容,以维持其指蹼间隙?您是否愿意继续佩戴该敷料手套?关于该敷料手套,您(参与者)还有什么其他想告诉我们的?研究设计与方法 研究设计 该敷料手套的概念验证研究将采用准实验性n-of-1研究设计进行,该设计借鉴自医学研究委员会复杂干预设计指南(MRC 2008)。采用该研究设计的原因在于隐性营养不良型大疱性表皮松解症(RDEB)患者这一小群体中的样本量较小。
此外,RDEB患者的手部畸形因人而异。治疗和护理也涉及多种同时进行的干预措施,例如伤口敷料、蹼状间隔手套和夹板。研究人员需要分别和联合研究这些设备的性能,即它们在延缓疾病进展性畸形方面的有效性。n-of-1研究设计将能够在个体和群体层面,以每位参与者作为自身对照,依据预定的性能标准(HTO系统上的12项患者记录结局指标)来研究敷料手套的性能。样本量GLOVE项目的样本为14名参与者。迄今为止,已从该项目的两个NHS站点——盖伊和圣托马斯(GSTT)NHS基金会
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




